在适应训练数据后，tfidf如何转换测试数据？

Question

我正在使用以下代码：

pipeline = Pipeline([('vect', 
                      TfidfVectorizer( ngram_range=(1,2),
                                       stop_words="english", 
                                       sublinear_tf=True ,
                                       use_idf=True, 
                                       norm='l2' )),
                     ('reduce_dim',
                      SelectPercentile(f_classif, 90)),
                     ('clf', 
                      SVC(kernel='linear',C=1.0, 
                          probability=True, max_iter=70000, 
                          class_weight='balanced'))])

model = pipeline.fit(X_train,y_train)
model.predict(X_test)

x=vectorizer.fit_transform(X_train_text)
y=vectorizer.transform(X_test_text)

根据我的理解，pipeline.fit()使tfidf适合火车数据，并且在model.predict()上调用X_test时，它只会基于拟合的火车数据进行tfidf变换。

由于tf idf通过获取文档和语料库中单词的出现频率而起作用，所以我想知道.fit_transform和.transform函数的底层会发生什么。

Answer 1

1）非常接近您的问题，您可以在这里找到：What is the difference between TfidfVectorizer.fit_transfrom and tfidf.transform?

2）tfidf转换是在fit-transform内部完成的，predict在这里不对应于tfidf矢量化器，因为它不具有这种功能，它是SVC的方法。

Answer 2

Here是fit()和fit_transform()的基本文档。

您对工作的理解是正确的。测试时，为tf-idf Vectorizer设置参数。这些参数将存储起来，以后用于转换测试数据。

• 训练数据-fit_transform()
• 测试数据-transform()

如果要查看内部工作原理，则应该同样查看source code。